DNA遺傳算法及應(yīng)用研究.pdf

1、遺傳算法是模擬生物進(jìn)化過程的一類隨機(jī)性全局優(yōu)化算法，廣泛應(yīng)用于化工過程的建模與優(yōu)化中。然而遺傳算法的局部搜索能力較弱、易早熟收斂，而且常用的二進(jìn)制編碼方法不能表達(dá)豐富的遺傳信息，因此在其計(jì)算模型中沒有反映出遺傳信息對(duì)生物體的調(diào)控作用，尤其是起關(guān)鍵作用的DNA編碼機(jī)制的調(diào)控作用。近年來，隨著DNA計(jì)算的發(fā)展，人們發(fā)現(xiàn)基于DNA的智能系統(tǒng)能反映生物體的遺傳信患，有利于發(fā)展功能更強(qiáng)大、能解決更復(fù)雜問題的智能方法。受DNA生物特性的啟發(fā)，本文對(duì)

2、DNA遺傳算法及應(yīng)用進(jìn)行了深入的研究，主要研究工作如下：
　　 ⑴受DNA分子操作啟發(fā)，提出了多種新型交叉算子。利用Markov鏈模型分析討論了具有新型交叉算子的DNA遺傳算法的收斂性。測(cè)試函數(shù)計(jì)算結(jié)果表明所提新型交叉算子可以有效改善種群多樣性，減少了尋優(yōu)代數(shù)。將該算法用于催化裂化主分餾塔的參數(shù)估計(jì)問題中，實(shí)驗(yàn)結(jié)果表明所建立的模型反映了復(fù)雜系統(tǒng)的動(dòng)態(tài)性能。
　　 ⑵受DNA和遺傳信息表達(dá)過程的啟發(fā)，基于堿基編碼方式，提出

3、了多種新型變異算子。利用Markov鏈模型分析了具有新型變異算子的DNA遺傳算法的收斂性。測(cè)試函數(shù)計(jì)算結(jié)果表明所提新型變異算子可以顯著提高DNA遺傳算法的收斂速度，增強(qiáng)算法克服問題欺騙的能力。將該算法用于渣油加氫過程的參數(shù)估計(jì)問題中，比較結(jié)果表明了該算法的有效性。
　　 ⑶將所提出的新型交叉和變異算子在DNA遺傳算法中配合使用。測(cè)試函數(shù)的檢驗(yàn)結(jié)果表明配合使用新型操作算子可以進(jìn)一步提高算法性能。使用具有新型交叉算子和變異算子的DN

4、A遺傳算法對(duì)重油熱解過程建模，仿真實(shí)驗(yàn)結(jié)果表明了所建模型的誤差小。
　　 ⑷針對(duì)具有不等式約束的非線性規(guī)劃問題，提出了一種混合DNA遺傳算法。該算法將DNA遺傳算法的全局搜索能力和SQP算法的局部搜索能力相結(jié)合。測(cè)試函數(shù)比較結(jié)果證明了該混合算法的有效性。利用該混合算法優(yōu)化汽油調(diào)合問題的配方，結(jié)果表明該混合算法可以實(shí)現(xiàn)調(diào)合產(chǎn)品的質(zhì)量指標(biāo)卡邊控制，增加生產(chǎn)利潤。
　　 ⑸提出了一種雙鏈DNA遺傳算法的廣義回歸神經(jīng)網(wǎng)絡(luò)建模方法

5、，用來解決非線性系統(tǒng)建模問題。使用該方法對(duì)一個(gè)非線性系統(tǒng)進(jìn)行建模，仿真結(jié)果表明所提方法的建模精度優(yōu)于其它神經(jīng)網(wǎng)絡(luò)方法，并將該建模方法用于延遲焦化過程的建模，仿真結(jié)果表明所建模型精度高，其誤差標(biāo)準(zhǔn)差和AIC指標(biāo)較小。
　　 ⑹針對(duì)復(fù)雜非線性系統(tǒng)，提出了一種混沌DNA遺傳算法的T-S模糊遞歸神經(jīng)網(wǎng)絡(luò)建模方法。在堿基編碼和新型操作算子的基礎(chǔ)上，混沌DNA遺傳算法通過對(duì)劣質(zhì)個(gè)體進(jìn)行混沌細(xì)搜索，來提高個(gè)體品質(zhì)。將該方法用于pH中和過程建模